#假設現在我們要對5張手寫數字進行分類，這些數字的標籤labels的範圍是0~9，形成(5, )的行向量，為####
#[5,4,3,8,7]。
labels = [5,4,3,8,7]
num_classes = 10
batch_size = tf.size(labels)
#labels表示的標籤，5張有5個標籤。batch_size=5
labels = tf.expand_dims(labels, 1)
#擴充維數，將（5，）擴充為（5,1），裡面的內容不變：[[5],[4],[3],[8],[7]]
indices = tf.expand_dims(tf.range(0, batch_size, 1), 1)
#擴充維數。由於batch_size=(5, )，迴圈之後生成5*1的矩陣：[[0],[1],[2],[3],[4]]
concated = tf.concat(1, [indices, labels])
#將indices和labels在第二維連線，形成5*2的矩陣：[[0,5],[1,4],[2,3],[3,8],[4,7]]
onehot_labels = tf.sparse_to_dense(
concated, tf.stack([batch_size, num_classes]), 1.0, 0.0)
#轉化為獨熱編碼。
#tf.pack()將兩個向量打包成乙個。由於batch_size=5和num_classes=10都是數，合併為行向量：[5，10]
#tf.sparse_to_dense()將稀疏矩陣轉密集矩陣。stack()函式指定生成的矩陣的shape為5*10,concated指定更換值的座標，1.0表示將concated指定座標的值更換為1,0.0表示其餘座標值置0.
import pandas as pd
print("---初始資料集---\n")
data=pd.dataframe([
['red','class1','yi',0.233333],
['green','class2','er',0.654321],
['blue','class1','san',0.123456]])
data.columns=['color','class','id','value']
print(data)
print("---對映後資料集---\n")
'yi':11,
'er':22,
'san':33}
print(data)
print("---「one-hot」後資料集---\n")
data=pd.get_dummies(data)
print(data)
One Hot encoder獨熱編碼
ref 1 什麼是獨熱碼 獨熱碼，在英文文獻中稱做 one hot code,直觀來說就是有多少個狀態就有多少位元，而且只有乙個位元為1，其他全為0的一種碼制。在機器學習中對於離散型的分型別的資料，需要對其進行數位化比如說性別這一屬性，只能有男性或者女性或者其他這三種值，如何對這三個值進行數位化表達...
獨熱編碼函式
想用自己的資料進行獨熱編碼，一開始沒用官方的程式。from sklearn import preprocessing enc preprocessing.onehotencoder 想用這個函式的可以參考博主 我找的是github裡的乙個程式 可以參考下。貼上 def one hot y n cla...
Python實現獨熱編碼
關於獨熱編碼與啞變數編碼的概念，可以參考 離散特徵的編碼分為兩種情況 1 離散特徵的取值之間沒有大小的意義，比如color red,blue 此時可以使用one hot編碼 2 離散特徵的取值有大小的意義，比如size x,xl,xxl 此時可以使用數值的對映。import pandas as pd...